[发明专利]一种基于混合约束条件的雾霾图像复原方法及终端

说明书

本发明公开了一种基于混合约束条件的雾霾图像复原方法及终端，步骤如下：对雾霾图像的形成进行建模，得到大气散射模型，并将大气散射模型改写；构建雾霾图像复原问题模型；对大气透过率求解的子问题，分解得到问题求解模型；将问题求解模型进行转化；对待复原图像，雾霾图像进行初始化；采用轮换迭代优化算法对转化后的问题求解模型进行求解；利用迭代优化算法不断更新求解待复原图像和大气透过率，得到趋于真实情况的复原图像和大气透过率。

技术领域

本发明属于计算机数字图像处理技术领域，尤其涉及一种基于TV-L₀混合约束条件的雾霾图像复原方法及终端。

背景技术

在日常摄影或医学影像检测等应用领域中，由于大气的存在，成像质量不可避免地受到大气中粒子的辐射、吸收和散射等物理因素的影响，尤其是在雾霾或者雨雪天气下，像质退化将更为严重。因此，图像去雾技术的主要任务是从退化图像中去除天气因素的干扰，提高图像质量，使原本被大气遮挡的景物能更清晰地呈现出来，从而能从图像中获取更丰富的细节信息。

对单幅户外图像去雾是一个典型的不适定问题，解决该问题的有效方法之一是基于正则化的方法，即依据对图像所做的假设，通过大量先验信息构建正则项，最终生成函数模型。基于L₀范数的最优化问题模型能够对图像的稀疏特性进行有效建模，有望得到高质量的图像复原效果；总变分正则项的主要作用是在图像被恢复的同时保证梯度变化量最小，来有效抑制噪声的产生。

因此，本发明针对上述问题，基于雾霾图像形成的物理原理和正则化方法，提出了一种雾霾图像复原方法。该方法首先基于大气散射模型得到雾霾图像形成的简化模型，然后分别引入两个约束条件对待复原图像和大气透过率进行建模，本发明中，采用TV总变分对清晰图像进行建模，采用TV-L₀范数对大气透过率进行建模，然后将上述模型进行加权求和得到雾霾图像复原问题模型。

本发明提出的方法能够对雾霾天气下的雾霾图像复原问题进行准确建模，并且其轮换迭代方法具有较高的运行效率，能够得到高质量的复原图像。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于混合约束条件的雾霾图像复原方法及终端，本发明的方法可以有效克服雾霾图像复原的病态性问题，减少噪声等负面效应对复原结果的影响。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于混合约束条件的雾霾图像复原方法，步骤如下：

1)对雾霾图像的形成进行建模，得到大气散射模型，并将大气散射模型改写；

2)采用TV总变分对待复原图像进行约束，采用L₀范数和TV总变分对大气透过率进行约束，并引入约束系数λ，μ，η，将两个约束项与步骤1)中的改写模型进行加权求和，构建雾霾图像复原问题模型；

3)利用轮换迭代优化算法将步骤2)中的雾霾图像复原问题模型转化成两个易求解子问题，即保持大气透过率t不变，对待复原图像J求解的子问题，以及保持待复原图像J不变，对大气透过率t求解的子问题，分解得到问题求解模型；

4)对于步骤3)的两个易求解子问题，分别引入两组惩罚系数和辅助变量，其中，引入β作为惩罚系数，引入辅助变量u对待复原图像J进行近似，引入另一组辅助变量(c,d)对大气透过率t进行近似，将步骤3)中的问题求解模型进行转化；

5)利用暗原色先验算法估计大气光A和初始大气透过率t₀，然后对待复原图像J，雾霾图像I进行初始化，得到I＝A-I，J₀＝A-I，t₀＝t；

6)采用二次惩罚函数法对步骤4)中的转化后的问题求解模型进行求解，当惩罚系数β趋于无穷时，分别完成一次待复原图像J和大气透过率t的更新；